ĐỀ CƯƠNG CHI TIẾT DỰ BÁO KINH TẾ VÀ PHÂN TÍCH DỮ LIỆU

1
ĐỀ CƯƠNG CHI TIẾT

1. Tên môn học: DỰ BÁO KINH TẾ VÀ PHÂN TÍCH DỮ LIỆU
2. Giảng viên: NGUYỄN TRỌNG HOÀI
NGUYỄN HOÀNG BẢO
PHÙNG THANH BÌNH
VÕ ĐỨC HOÀNG VŨ
NGUYỄN KHÁNH DUY
NGUYỄN NGỌC DANH
3. Bậc đào tạo: Đại học Hệ đào tạo: Chính quy
4. Thời lượng: 45 tiết
5. Điều kiện tiên quyết
Để học tốt môn Dự báo kinh tế và phân tích dữ liệu, sinh viên phải được trang bị trước các
môn học sau đây:
 Lý thuyết xác suất và thống kê toán
 Nguyên lý thống kê kinh tế (hoặc Thống kê ứng dụng, Thống kê kinh doanh)
 Kinh tế lượng
 Phương pháp nghiên cứu kinh tế
6. Mô tả môn học
Sự phát triển của kinh tế Việt Nam đặt trong bối cảnh đầy biến động của nền kinh tế thế
giới đã thúc đẩy các nhà hoạch định chính sách kinh tế và quản trị kinh doanh phải quan
tâm nhiều hơn đến việc phân tích dữ liệu và dự báo ở nhiều lĩnh vực khác nhau. Đặc biệt,
với sự ra đời của thị trường chứng khoán Việt Nam, kèm theo sự biến động của nhiều chỉ số
kinh tế trong và ngoài nước đã và đang thúc đẩy dự báo trở thành một hoạt động quan trọng
trong hầu hết các lĩnh vực kinh tế, tài chính, và quản trị. Nhu cầu phân tích, dự báo ở Việt
Nam đang có xu hướng gia tăng bởi vì phân tích, dự báo tốt có thể hỗ trợ đáng kể cho việc
hình thành chính sách, chiến lược, kế hoạch cũng như nhiều quyết định hàng ngày của các
cơ quan quản lý nhà nước và doanh nghiệp. Chính vì thế, các nhà nghiên cứu, nhà hoạch
định chính sách và nhà quản trị tương lai cần được trang bị một nền tảng kiến thức cơ bản

về các phương pháp dự báo định lượng, các kỹ thuật phân tích thống kê, kỹ năng sử dụng
các phần mềm dự báo, phân tích dữ liệu thông dụng hiện nay như Eviews, SPSS Ngoài ra,
đối với sinh viên thuộc các chuyên ngành kinh tế, tài chính và quản trị, môn Dự báo kinh tế
và phân tích dữ liệu càng có ý nghĩa thiết thực. Bởi lẽ, môn học này cung cấp các kỹ thuật

2
phân tích dữ liệu hết sức cần thiết thực hiện nghiên cứu khoa học và làm luận văn tốt
nghiệp.
Sinh viên tiếp cận kiến thức của môn học không chỉ từ góc độ kiến thức nền tảng của các
công thức toán học cần thiết nhất, từ các tình huống gần gũi trong thực tế, mà còn dưới
dạng ‘ứng dụng’, ‘thực hành’ trên phần mềm Eviews về hầu hết các mô hình dự báo đơn
biến và đa biến thông dụng hiện nay. Nhóm mô hình dự báo đơn biến được chia thành hai
loại: giản đơn và nâng cao. Các mô hình giản đơn sẽ tập trung vào các phương pháp Holt,
Holt-Winters, và ARIMA để dự báo các chỉ số đơn lẻ như doanh số, tồn kho, giá cả hàng
hóa, và các chỉ báo kinh tế vĩ mô như GDP, CPI, lãi suất, cung tiền. Các mô hình nâng cao
bao gồm các mô hình ARCH, ARCH-M, GARCH, GARCH-M, và TGARCH để dự báo các
chuỗi thời gian có tính dao động cao như giá dầu, giá vàng, tỷ giá, và giá chứng khoán.
Nhóm mô hình đa biến chủ yếu tập trung vào các mô hình nhân quả Granger để dự báo mối
quan hệ giữa các chỉ báo kinh tế nhằm mục đích kiểm định giả thuyết kinh tế vào phân tích
chính sách. Do môn kinh tế lượng (căn bản) đã trang bị cho sinh viên các mô hình hồi quy
dữ liệu chéo để dự báo hệ số co giãn nên môn Dự báo kinh tế và phân tích dữ liệu sẽ không
đề cập lại một cách chi tiết vấn đề này mà chỉ ôn tập lại để ứng dụng vào việc dự báo.
Dự báo kinh tế và phân tích dữ liệu là một môn học có tính thực tế cao, thú vị, nhưng cũng
tiềm ẩn nhiều thách thức. Hiểu các khái niệm và áp dụng vào việc giải đáp các bài tập khác
nhau có ý nghĩa hết sức quan trọng. Điều này đòi hỏi sinh viên phải dành nhiều thời gian
luyện tập, đặc biệt là thực hành trên máy tính. Bên cạnh giờ thực hành chính thức tại phòng
máy tính của trường, làm các bài tập thực hành ở nhà, nếu có thể, chúng tôi khuyến khích
sinh viên tự trang bị máy tính xách tay (tối thiểu mỗi nhóm khoảng 5 sinh viên/máy tính
xách tay) để tự thực hành các bài tập tại lớp (trong giờ học lý thuyết) nhằm nắm bắt nội
dung bài giảng một cách hiệu quả nhất.

7. Mục tiêu
Sau khi học xong môn học, nhóm giảng viên kỳ vọng sinh viên sẽ có khả năng tốt hơn về:
(1) Thực hiện được các kỹ thuật phân tích thống kê mô tả với các loại dữ liệu khác nhau;
(2) Nhận biết được chuỗi dừng và không dừng thông qua phương pháp giản đồ tự tương
quan cũng như phương pháp kiểm định nghiệm đơn vị;
(3) Nhận diện, đánh giá và lựa chọn mô hình dự báo tốt cho một chuỗi dữ liệu sẵn có;
(4) Thực hiện được các mô hình dự báo đơn biến theo phương pháp Holt, Holt-Winters,
và Box-Jenkins;
(5) Thực hiện được các mô hình dự báo theo phương pháp ARCH, GARCH, TGARCH;
(6) Ứng dụng được kiến thức về phân tích nhân quả thông qua các mô hình nhân quả
Granger giản đơn, mô hình hiệu chỉnh sai số (ECM) của Granger, mô hình hiệu chỉnh
sai số (VECM) của Pesaran, mô hình nhân quả Granger mở rộng của Toda-
Yamamoto;
(7) Giải thích được ý nghĩa và thực hiện được các phương pháp kiểm định đồng liên kết;

3
(8) Áp dụng được kỹ thuật phân tích nhân tố khám phá, kiểm định độ tin cậy của thang
đo;
(9) Sử dụng thành thạo phần mềm Eviews và/hoặc SPSS.
8. Phương pháp giảng dạy
Môn học được chia làm mười một buổi, trong đó có tám buổi lý thuyết và ba buổi thực
hành trên máy vi tính. Các buổi học thực hành sẽ được tổ chức xen kẽ với các buổi học lý
thuyết. Bên cạnh đó, người học sẽ được cung cấp thêm các bài tập tình huống để thực hành
thêm ngoài giờ học vì thời gian thực hành chính thức trên lớp không thể bao quát hết tất cả
các nội dung của môn học.
Các buối học lý thuyết sẽ không trình bày thuần túy lý thuyết mà sẽ tập trung hướng dẫn
thực hành, phân tích và thảo luận các ví dụ để minh họa cho từng mô hình để giúp sinh viên
hiểu rõ hơn nội dung các bài giảng. Điều này yêu cầu sinh viên phải đọc lý thuyết trước khi
lên lớp thì mới nắm bắt được ý tưởng của các ví dụ minh họa. Các buổi học thực hành sẽ
hướng dẫn sinh viên sử dụng phần mềm để thực hành các phương pháp dự báo, phân tích

dữ liệu cụ thể. Để có thể hiểu bài và theo kịp tốc độ hướng dẫn thực hành, sinh viên cần
phải tìm hiểu kỹ các bài tập được giao trước khi tham dự các buổi thực hành.
9. Phương pháp đánh giá
Kết quả môn học được đánh giá như sau:
(1) Cá nhân: 20%
(2) Bài tập nhóm: 30%
(3) Thi cuối khóa: 50%
Trong bài thi cuối khóa, sinh viên sẽ làm trên giấy dưới dạng phân tích các kết quả đã được
thực hiện trên Eviews và/hoặc SPSS
10. Tài liệu đọc
Tài liệu đọc bắt buộc
Hoài, N.T., Bình, P.T & Duy, N.K. (2009), Dự Báo và Phân Tích Dữ Liệu trong Kinh Tế và
Tài Chính, NXB Thống Kê. (Giáo trình)
Hill, R.C., Griffiths, W.E. & Lim, G.C. (2008), Using Eviews for Principles of
Econometrics, 3
rd
Edition, John Wiley & Sons.
Bình, P.T. (2011), Bài Giảng Dự Báo Kinh Tế và Phân Tích Dữ Liệu, Lưu hành nội
bộ,Trường ĐH Kinh tế TPHCM. (Lecture Notes)
Duy, N.K. (2011), Bài Giảng Dự Báo Kinh Tế và Phân Tích Dữ Liệu, Lưu hành nội bộ,
Trường ĐH Kinh tế TPHCM. (Lecture Notes)
Trọng, H. & Ngọc, C.N.M. (2008a). Phân Tích Dữ Liệu Nghiên Cứu với SPSS. NXB Hồng
Đức.

4
Tài liệu khuyến khích tham khảo
Asteriou, D., Hall, S.G. (2007), Applied Econometrics: A Modern Approach Using Eviews
and Microfit, Revised Edition, Palgrave Macmillan.
Devellis, R.F. (2003), Scale Development: Theory and Applications, 2
nd

Edition, Sage
Publications.
Gujarati, D. (2009), Basic Econometrics, 5
th
Edition, McGraw-Hill.
Hair, Jr.J.F., Black, W.C., Babin, B.J., Anderson, R.E. & Tatham,R.L. (2006). Multivariate
Data Analysis. 6
th
Edition. Pearson Prentice Hall.
Hanke, J.E. & Wichern, D.W. (2005), Business Forecasting, 8
th
Edition, Pearson Prentice
Hall.
Hoài, N.T. (2003), Mô Hình Hóa Chuỗi Thời Gian trong Kinh Doanh và Kinh Tế, Ấn bán
lần 2, NXB Đại học Quốc Gia TPHCM.
Holton, W.J. & Keating, B. (2007). Business Forecasting With Accompanying Excel-Based
ForecastXTM Software, 5
th
Edition, McGraw-Hill.
Schumacker, R.E., Lomax, R.G. (2004), A Beginner’s Guide to Structural Equation
Modelling, 2
nd
Edition, Lawrence Erlaum Associates.
Trọng, H., Ngọc, C.N.M. (2008b), Thống Kê Ứng Dụng trong Kinh Tế - Xã Hội, NXB
Thống Kê.
Thọ, N.Đ (2011), Phương Pháp Nghiên Cứu Khoa Học trong Kinh Doanh, NXB Lao động
– Xã hội
Ramanathan, R. (2002), Introductory Econometrics with Applications, 5
th
Edition, Harcourt

College Publisher.
11. Nội dung môn học
Ngày
(số tiết)
Nội dung giảng dạy
(phương pháp giảng dạy)
Tài liệu đọc
(chương, phần)
Sinh viên
chuẩn bị
Ghi
chú
Ngày 1.
(4 tiết)
Tổng quan về phân tích dự báo
 Vai trò của dự báo trong quá
trình ra quyết định
 Phương pháp luận của dự báo
 Tổng quan về các mô hình dự
báo chuỗi thời gian
 Quy trình thực hiện dự báo
 Các tiêu chí đánh giá mức độ
chính xác của dự báo


 Giáo trình,
Chương 1
 Bình, P.T.,
Lecture notes 1

5
Ngày
(số tiết)
Nội dung giảng dạy
(phương pháp giảng dạy)
Tài liệu đọc
(chương, phần)
Sinh viên
chuẩn bị
Ghi
chú
Ngày 2.
(4 tiết)
Xây dựng cơ sở dữ liệu và phân
tích dữ liệu
 Các tiêu chí để xác định nguồn
dữ liệu đáng tin cậy
 Các thành phần cơ bản trong
chuỗi thời gian
 Khảo sát dữ liệu bằng phân tích
giản đồ tự tương quan
 Bản chất một chuỗi dữ liệu có
tính dừng/không dừng
 Khái niệm bước ngẫu nhiên
 Các kiểm định nghiệm đơn vị
 Các tiêu chí lựa chọn mô hình

dự báo thích hợp
 Hướng dẫn sử dụng Eviews


 Giáo trình,
Chương 2 và 3
 Bình, P.T.,
Lecture notes 2



Cài đặt
phần mềm
Eviews,
SPSS



Ngày 3.
(4 tiết)
Thực hành phòng máy
 Ôn tập thống kê, kinh tế lượng
với Eviews (và/hoặc SPSS)
 Thực hành kiểm định tính dừng
bằng giản đồ tự tương quan
 Thực hành kiểm định tính dừng
của chuỗi thời gian bằng kiểm
định nghiệm đơn vị
Hill, Griffiths &
Lim (2008)

Ngày 4.
(4 tiết)
Các mô hình dự báo giản đơn
 Mô hình dự báo trung bình giản
đơn
 Mô hình dự báo trung bình di
động
 Mô hình dự báo san mũ giản đơn

 Mô hình dự báo Holt, mô hình
dự báo Winter
 Mô hình dự báo phân tích thành
phần chuỗi thời gian
 Thực hiện dự báo bằng các mô
hình dự báo giản đơn trên
Crystal Ball và ForecastX
 Ứng dụng dự báo doanh số và
giá cả

 Giáo trình,
Chương 4, 5, và
6
 Bình, P.T.,
Lecture notes 3



6
Ngày

(số tiết)
Nội dung giảng dạy
(phương pháp giảng dạy)
Tài liệu đọc
(chương, phần)
Sinh viên
chuẩn bị
Ghi
chú
Ngày 5.
(4 tiết)
Dự báo bằng phân tích hồi quy
 Ý nghĩa của phân tích hồi quy
 Phương pháp hồi quy bình
phương bé nhất thông thường
 Giải thích ý nghĩa thống kê của
các kết quả hồi quy
 Thực hiện các kiểm định giả
thiết quan trọng
 Giải thích ý nghĩa kinh tế của hệ
số hồi quy ứng với từng dạng
hàm cụ thể
 Hồi quy biến giả
 Nhận biết và khắc phục một số
vấn đề thường gặp trong phân
tích hồi quy (đa cộng tuyến,
phương sai thay đổi, tương quan
chuỗi)
 Hồi quy biến trễ
 Một số ứng dụng của phân tích

hồi quy trong dự báo
 Giáo trình,
Chương 7
 Bình, P.T.,
Lecture notes 4
 Trọng & Ngọc
(2008a),
chương 1, 3, 9
 Duy, N.K,
Lecture notes 4


Ngày 6.
(4 tiết)
Các mô hình dự báo ARIMA
 Giới thiệu mô hình ARIMA
 Quy trình thực hiện dự báo bằng
phương pháp Box-Jenkins
 Tiêu chí đánh giá, lựa chọn mô
hình ARIMA phù hợp
 Thực hiện các mô hình ARIMA
trên Eviews
 Thực hiện các mô hình ARIMA
với phần mềm ForecastX
 Mô hình SARIMA
 Ứng dụng mô hình ARIMA
trong việc dự báo các biến kinh
tế vĩ mô và giá cả
 Ứng dụng mô hình ARIMA và
SARIMA trong dự báo doanh số

 Kinh nghiệm xác định mô hình
ARIMA hiệu quả, nhanh chóng

 Giáo trình,
Chương 8
 Bình, P.T.,
Lecture notes 5






7
Ngày
(số tiết)
Nội dung giảng dạy
(phương pháp giảng dạy)
Tài liệu đọc
(chương, phần)
Sinh viên
chuẩn bị
Ghi
chú
Ngày 7.
(4 tiết)
Các mô hình ARCH/GARCH
 Hạn chế của mô hình ARIMA
 Giới thiệu mô hình ARCH

 Kiểm định ảnh hưởng ARCH
 Mô hình ARCH(q)
 Đánh giá các mô hình ARCH
 Mô hình GARCH(p,q)
 Đánh giá các mô hình
ARCH/GARCH
 Mô hình ARCH-M, GARCH-M
 Mô hình TGARCH
 Mô hình hóa các nhân tố ảnh
hưởng rủi ro
 Ứng dụng mô hình ARCH,
GARCH trong việc dự báo các
biến kinh tế vĩ mô và giá cả

 Giáo trình,
Chương 9
 Bình, P.T.,
Lecture notes 6




Ngày 8.
(4 tiết)
Thực hành phòng máy
 Các mô hình dự báo giản đơn
 Các mô hình ARIMA
 Các mô hình ARCH
 Phân tích hồi quy

Ngày 9.
(4 tiết)
Các mô hình nhân quả
 Giới thiệu các mô hình dự báo
nhân quả
 Quy trình thực hiện các mô hình
nhân quả
 Khái niệm hồi quy giả mạo
 Khái niệm đồng liên kết và kiểm
định đồng liên kết
 Xác định độ trễ tối ưu
 Mô hình nhân quả Granger giản
đơn
 Mô hình ECM về nhân quả
Granger
 Mô hình VECM về nhân quả
Granger

 Bình, P.T.,
Lecture notes 8

Chọn
một
trong
hai chủ
đề: Các
mô hình
nhân
quả

HOẶC






8
Ngày
(số tiết)
Nội dung giảng dạy
(phương pháp giảng dạy)
Tài liệu đọc
(chương, phần)
Sinh viên

chuẩn bị
Ghi
chú
Đo lường khái niệm nghiên cứu
và đánh giá độ tin cậy của thang
đo
 Tổng quan về đo lường khái
niệm nghiên cứu
 Tính chất của đo lường
 Xây dựng thang đo cho các khái
niệm nghiên cứu
 Cronbach’s Alpha và đánh giá
độ tin cậy của thang đo
 Thao tác trên SPSS
 Duy, N.K.,
Lecture notes 8
 Thọ (2011),
chương 8, 10
 Trọng & Ngọc
(2008a),
chương 11
 Devellis (2003)

Đánh
giá độ
tin cậy
của
thang
đo với
Cronbach

Alpha
Ngày 10.
(4 tiết)
Các mô hình nhân quả (tiếp theo)
 Ứng dụng các mô hình nhân quả
Granger trong chứng khoán/tài
chính
 Ứng dụng các mô hình nhân quả
Granger trong phân tích các mối
quan hệ kinh tế vĩ mô
 Ứng dụng các mô hình nhân quả
Granger trong lĩnh vực khác.

Phân tích nhân tố khám phá
 EFA và đánh giá giá trị thang đo
 Mô hình EFA
 Ví dụ đánh giá thang đo
 Các dạng phân tích EFA và ứng
dụng
 Điều kiện để phân tích EFA
 Đánh giá giá trị thang đo bằng
EFA
 Phân tích EFA với SPSS
 Tình huống nghiên cứu và ứng
dụng
 Giới thiệu những phân tích khác
thường thực hiện sau EFA:
thống kê mô tả, T-test, ANOVA,
Regression, CFA, SEM…

 Bình, P.T.,
Lecture notes 9








 Duy, N.K.,
Lecture notes 9
 Thọ (2011),
chương 11
 Trọng & Ngọc
(2008b),
chương 12
 Hair (2006),
chương 3, 10,
11, 12


Chọn
một
trong
hai chủ
đề: Các
mô hình
nhân
quả

HOẶC

Phân
tích
nhân tố
khám
phá

9
Ngày
(số tiết)
Nội dung giảng dạy
(phương pháp giảng dạy)
Tài liệu đọc
(chương, phần)
Sinh viên
chuẩn bị
Ghi
chú
Ngày 11.
(4 tiết)
Thực hành phòng máy
 Các mô hình nhân quả Granger
Hoặc
 Kiểm định độ tin cậy của thang
đo (với Cronbach’s Alpha) và
đánh giá giá trị của thang đo (với
phân tích nhân tố khám phá)
 Thực hành các tình huống trong

kinh tế, quản trị nguồn nhân lực,
hành vi tổ chức, marketing…
 Ôn tập


Tổng cộng: 45 tiết
Biên soạn
(1) Phùng Thanh Bình
(2) Nguyễn Khánh Duy